打破傳統ETF的迷思 - 了解沽空ETF如何有利於股票市場

打破傳統ETF的迷思 - 了解沽空ETF如何有利於股票市場

交易所買賣基金(ETF)流動性高而且價格相對親民,被視為互惠基金以外的另一選擇。在2020年,環球市場上有超過7,000種ETF產品,總值達 7.74 兆美金,遠多於2010年時的1.3兆美金。ETF產品在十年間的顯著增長,反映這種指數基金的巨大發展潛力。雖然有聲音批評傳統的ETF過於被動,未能有效反應市場訊息,然而港大經管學院金融學副教授黃詩楊博士及其研究團隊卻發現,行業ETF在美國市場中能有效規避風險,並能提升市場效率。其研究更證實行業ETF是一種對投資者和市場有利的優質金融科技創新技術,因此建議監管機構應鼓勵相關產品的發展。

以「長短倉策略(Long Short Strategy)」提升市場效率
以ETF作為避險工具非常普遍。據彭博新聞在2017年的報導,對沖基金持有的ETF短倉高達1030億美金,相比起他們持有的43億美金長倉,相差近兩倍之多。一般而言,市場上的沽空餘額(即被沽空但未被回購的證券)越高,熊市氣氛越強。但黃博士發現,擁有更多消息的投資者往往會採取一種 「長持股票,沽空ETF」的「長短倉策略」,運用企業消息賺取利益,同時對沖行業風險。

黃博士解釋,即使投資者在業績公佈前已得悉股票即將獲利,但股價的升幅,往往仍會受到行業整體表現和宏觀市場氣氛等外圍風險影響。為有效地對沖風險,對沖基金會選擇長持他們擁有利好消息的股票,並沽空該股票所屬的行業ETF。黃博士和他的研究團隊發現,這種「長持股票,沽空ETF」的策略能幫助市場吸收相關訊息,並有效減低盈餘公告後的股價波動,令公司的真實價值能實時反映在股價上。因此,引入相關的行業ETF能有效穩定企業的股價。

Smart Beta ETF 能否為投資者創造價值?
在眾多ETF產品之中,建基於資產價格數據的Smart Beta ETF最受市場追捧。Smart Beta ETF由不同組合的股票價值增長值數量丶或市場趨勢等因子構成。截至2018年,Smart Beta ETF產品佔美國ETF市場總體的20%。據貝萊德(Blackrock)的預測,Smart-Beta ETF 的市場總值將於2025年增長至2兆美金。

但同時,黃博士研究卻指出Smart-Beta ETF雖在回溯測試 (Backtest) 中得到理想結果,在正式推出市場後表現卻往往不似預期。在研究238種於2000-2018年間在美國上市的Smart-Beta ETF後,黃博士發現Smart-Beta ETF的表現落差並非由「市場效率上升 」丶「上市時機失誤」丶或「規模收益遞減現象」等因素導致。相反,Smart-Beta ETF的表現欠佳是由於在回溯測試的數據挖掘 (Data mining)過程中受人為操作影響所致。數據挖掘的情況在追蹤多因子指數的Smart-Beta ETF中特別嚴重,主要是因為ETF保薦人在選擇及組成Smart-Beta ETF追蹤因子的過程中擁有很大的自主權。研究發現,追蹤多因子指數的Smart-Beta ETF在上市前聲稱能帶來年均 4.11% 的回報。但上市後,他們卻需承受年均0.79%損失。亦有聲音指出,Smart-Beta ETF的表現不理想是因為管理費用過高,但研究發現即使去除管理費的因素,Smart-Beta ETF的市場表現依然比不上傳統的指數型ETF。

雖然研究顯示Smart-Beta ETF上市前後的表現有明顯差距,但黃博士指出,在特殊的情況下,Smart-Beta ETF的表現依然有機會超越傳統ETF。例如在現時的「零息」環境下,追蹤高股息的Smart-Beta ETF仍有可能「跑贏大市」。因此,他建議投資者應在購買此類新型投資產品前謹慎考慮,切忌盲目相信Smart-Beta ETF個別因子所反映的表面數據。

閱讀更多(只提供英文版本)
Innovation and Informed Trading: Evidence from Industry ETFs
The Smart Beta Mirage

Other Events
港大經管學院最新多模態AI圖像生成能力排名出爐 部份中國人工智能模型表現突出
2025 | 學院新聞
港大經管學院最新多模態AI圖像生成能力排名出爐 部份中國人工智能模型表現突出
港大經管學院今日發表《人工智能模型圖像生成能力綜合評測報告》,針對15個「文生圖模型」及7個「多模態大語言模型」進行全面評估。研究顯示,字節跳動的即夢AI和豆包,以及百度的文心一言,在新圖像生成的內容質素及圖像修改的表現突出;而早前引起全球關注的DeepSeek最新推出的文生圖模型Janus-Pro,則在新圖像生成方面表現欠佳。研究亦發現部分文生圖模型雖然在內容質素方面表現優異,卻在安全與責任方面的表現強差人意。整體而言,與文生圖模型相比,多模態大語言模型整體表現較佳。
人工智能圖像生成評測成績單公布: 字節跳動百度表現亮眼,DeepSeek Janus-Pro表現欠佳
2025 | 研究
人工智能圖像生成評測成績單公布: 字節跳動百度表現亮眼,DeepSeek Janus-Pro表現欠佳
如今,人工智能領域的前沿模型技術已經從文本處理拓展至視覺信息的深度理解與生成。這些模型既能精准解讀圖像語義,又能根據文字描述創作出兼具真實感與藝術性的視覺內容,展現出令人驚嘆的跨模態理解與創作能力。本研究聚焦全新圖像的生成和基于現有圖像的圖像修改兩大核心任務,提出了一套系統性的人工智能模型圖像生成能力評測框架。我們基于多維測試集的構建與專家評審,對15個專業文生圖模型和7個多模態大語言模型的圖像生成能力進行了全面評估。結果顯示,字節跳動的即夢AI和豆包以及百度的文心一言在新圖像生成的內容質量與修改任務中表現突出,位列第一梯隊。對比不同類型的AI模型,我們發現,相對于專業文生圖模型,多模態大語言模型整體表現更佳。